Resumen

En este artículo, para resolver mejor el problema de la baja precisión de seguimiento causada por el cambio repentino de escala del objetivo, diseñamos y proponemos un algoritmo de seguimiento de mutación de escala adaptativa utilizando una red de aprendizaje profundo para detectar primero el objetivo y luego seguirlo utilizando el método de filtrado de correlación de kernel, y verificar la efectividad del modelo a través de experimentos. El punto de mejora de este artículo es cambiar el algoritmo tradicional de filtrado de correlación de kernel para detectar y seguir al mismo tiempo, y combinar el aprendizaje profundo con el seguimiento tradicional de filtrado de correlación de kernel para aplicar en el proceso de seguimiento de objetivos; la adición de una red de aprendizaje profundo no solo puede aprender una representación de características más precisa, sino que también puede hacer frente de manera más efectiva a la baja resolución de secuencias de video, de modo que el algoritmo en el caso de mutación de escala logra un seguimiento más preciso del objetivo en el caso de mutación de escala. Para verificar la efectividad de este método en

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Mutación de escala adaptativa; Red de aprendizaje profundo; Filtrado de correlación de núcleo; Seguimiento de objetivos; Baja resolución; Red neuronal
• Keywords:Adaptive scale mutation; Deep learning network; Kernel correlation filtering; Target tracking; Low resolution; Neural network